RDGAN : 얼굴 감정인식 데이터 증강을 위한 데이터 재조정 GAN

초록

최근 딥러닝 기술의 발전으로 다양한 신경망들이 컴퓨터 비전 분야에서 좋은 성능을 보여주고 있다 특히 얼굴 감정 . 인식을 위한 연구 또한 딥러닝의 다양한 신경망들을 이용하여 연구되고 있다 그러나 감정인식 모델 연구에서 주요하 . 게 사용되는 데이터셋들은 각 클래스의 데이터의 양 차이가 크게 나는 것을 일컫는 클래스 불균형 이라는 문제를 “ ” 가지고 있다 클래스 불균형은 많은 딥러닝 모델들의 정확도를 하락시키는 요인 중 하나이다 이는 감정인식 모델에서 . . 도 마찬가지로 성능에 악영향을 끼친다 예를 들어 . , FER2013 데이터 셋의 경우 클래스가 다른 클래스에 비 Disgusted 해 현저하게 적은 부분을 차지한다 이러한 이유로 클래스 불균형을 해소하려는 여러 연구가 활발히 진행되어 왔다 . . 본 논문은 사람의 감정을 인식하는 모델들이 사용하는 데이터셋인 FER2013, RAF-single 데이터셋의 클래스 불균형을 해소하고자 하는 모델인 "RDGAN(Rebalancing Data GAN)"을 제안한다 은 을 바탕으로 감정인식 데 . RDGAN CycleGAN 이터셋을 사전 학습(Pre-trained)한 표현 판별자(Expression Discriminator)를 추가하여 기존 연구보다 정교하게 데이터 를 증강했다 으로 증강된 데이터셋은 데이터 증강을 하지 않은 데이터셋과 비교하여 에서 평균 . RDGAN FER2013 4.805%p 6.561%p, RAF_single 0.857%p, 2.224%p 최대 에서 평균 최대 의 성능 향상을 보였다.